Jun, 2023

视觉化基于农业机器人导航的农田作物行出口

PDF
TL;DR本文中介绍了一种基于视觉反馈的纯视觉方案，使用 RGB 图像进行局部特征匹配来退出作物行，并在作物行末端使用深度图像来估算导航距离，模拟在多样化的围栏区域中进行的算法测试表明其误差在 50cm 以内。
vision-basedcrop row navigationrgb imagesdepth imagesalgorithm testing
发现论文，激发创造
  • 基于视觉导航的农作物行间切换：高效农田导航的综合方法

    使用基于视觉的移动机器人导航系统，在农田中主要限于行内导航。该论文提出了一种新颖的基于视觉的作物行切换算法，使用单个前置摄像头使移动机器人能够导航整个农田。所提出的行切换操作使用基于深度学习的 RGB 图像分割和深度数据来检测作物行的结束点和下一个作物行的重新进入点，该方法将用于多状态行切换流水线。该论文在一个真实的甜菜田中进行了测试，包含不连续的作物行、不同光照水平、阴影和不规则的边界表面。通过所提出的流水线，机器人能够成功地离开一个作物行并重新进入下一个作物行，线性步骤和旋转步骤的绝对中位误差平均为 19.25 厘米和 6.77°。

    Sep, 2023

  • 基于深度学习的农业机器人田间导航中的农作物行跟随

    该论文提出了一种利用卷积神经网络进行作物排检测的算法，可以在农田环境中应对各种变化，仅使用 RGB 图像作为输入，并在可视伺服算法中获得更好的性能表现。

    Sep, 2022

  • CropFollow++ 部署的启示：基于关键点的地下农田导航

    基于视觉的农业机器人导航系统，利用语义关键点实现在农作物下生长环境中的自主导航。

    Apr, 2024

  • 基于深度学习和对比聚类的行作物路径点生成

    本研究提出了一种基于学习的方法，针对行作物的路径生成问题，通过对区域地图的聚类方法，生成导航路径指向航路点，验证结果表明该方法可以高效地解决路径生成问题并超越之前的模型。

    Jun, 2022

  • 加强模拟环境下基于行的作物导航基准测试与感知数据生成

    本文介绍了通过使用合成数据集和虚拟场景来加速自主导航系统的开发的方法及其在农业领域的应用。

    Jun, 2023

  • Agronav: 农业机器人和车辆的自主导航框架，使用语义分割和语义线检测

    提出一种基于视觉的农田自动导航框架 Agronav, 使用语义分割和语义线检测模型对输入图像处理，输出中心线；并提供了使用六种不同作物采集的像素级注释数据集 Agroscapes，结合神经网络技术使该框架适用于地面和空中的机器人平台。

    Apr, 2023

  • 神经辐射世界中的仅视觉机器人导航

    利用神经辐射场（Neural Radiance Fields）的连续体密度和 RGB 值的神经网络，以及基于射线追踪的方式生成真实照片，我们提出了一种利用机载 RGB 摄像头的算法，使机器人在 NeRF 表示的 3D 场景中导航，并通过一种优化算法避免与高密度区域的碰撞，并在线重新规划路径。

    Oct, 2021

  • 基于深度强化学习的葡萄园无位置自主导航

    通过边缘人工智能和深度强化学习相结合的方式，提出了一个利用噪声深度图像和位置不确定的机器人状态信息来实现自动导航的机器人系统，在模拟的葡萄园中进行了充分的实验验证。

    Jun, 2022

  • 视障人士导航中的地面提取与门检测

    建议利用传感器和算法的组合，建立一个适用于视障人士的导航系统，该系统基于传统的 RGB-D 相机，结合鱼眼相机的信息，提供了对环境的鲁棒性与可靠性，使用户能够规划路径并避开障碍物。

    Jan, 2024

  • 基于梯度的本地最佳视角规划提高对目标植物节点的感知

    机器人在番茄大棚中越来越多地用于自动化劳动密集型任务，但面临着植物其他部分的遮挡引起的感知困难。我们提出了一种基于梯度的下一最佳观测点规划方法，通过差分射线采样直接估计视点规划的局部梯度方向，旨在克服遮挡问题并提高感知质量，在模拟实验中证明了该方法的有效性。

    Nov, 2023